计算机科学论文范文

　　【摘要】企业能否准确、高效获得数据背后真正的信息以及预测信息带来的市场动向，决定了企业未来的发展变化。主数据管理及数据库查询优化在生产管控中的应用能提高企业在生产环节中的信息获取、分析效率，通过计算机辅助应用帮助获得数据背后的信息，让企业抓住市场动向，获得先机，更有竞争力，让企业真正地被掌控在正确的方向上以获得更好的发展。

　　【关键词】数据管理,SQLServer,系统,生产,市场,信息化

　　一、加快推进企业信息化，赢得竞争优势

　　在高度信息化竞争市场的环境下，数据已经成为了企业的核心资产。大数据主要表现为四个特征：海量的数据规模、快速的数据流转和动态的数据体系、多样的数据类型和巨大的数据价值。通过对大数据进行处理和分析而发掘出来的价值，具有稀缺性和差异性，成为企业的一大竞争优势。企业可以在产品研发、客户关系管理、风险管理、供应链管理、决策支持等各方面进行挖掘分析，从而促进企业业务创新、提升用户体验、增强抗险能力、改进业务流程、提高决策效率。而数据治理正是大数据价值得以实现的必要途径，大数据的核心价值体现不在于数据的数量大，而在于数据的质量高。

　　一般数据的采集与使用面临着两大问题：

　　（1）数据缺乏完整性和一致性，重复数据多。数据涵盖企业经营管理的各个领域并不断变化，但这些信息通常分散于各个业务系统进行管理，每个独立系统中只存储信息的片段，系统间彼此隔离，且数据创建与维护的流程各不相同，导致数据不具备完整性和一致性，系统内数据垃圾逐年增长，严重影响数据统计分析的准确率。正是由于构建在各种架构之上的孤立系统中的这种部门化数据，导致各级业务人员及管理者无法适时获取企业级、全局性的统一业务视图，企业管理缺乏规范协调，影响企业的整体健康发展。

　　（2）数据标准不统一，共享过程中不知以谁为“主”。随着企业发展，数据量会呈爆炸性增长的态势，但在信息系统建设过程中，多数信息分类标准化工作相对落后，难以有效的进行系统间的信息交换、共享、统计和分析，无法形成决策依据。各部门对信息的描述、分类和后续使用等工作，完全按照本部门的需要和习惯来进行，导致物料分类归属不清晰，业务数据不准确，后续体外操作无法进行，很难满足企业现代化信息管理的要求。

　　以上问题的存在最终导致企业数据管理混乱，各层级、各部门人员在业务执行、管理和决策的过程中缺少有力的数据支撑，影响操作效率，降低企业的灵活性和创新速度。如：生产管理方面，企业在不能很好掌控产品细节管理，导致生产节奏与市场需求以及物流等环节不匹配，财务人员不能准确测算分析各产品的利润水平；采购管理方面，企业各部门不能合并数据制定统一的合格供应商和产品清单，一方面，反复对供应商选择和优化的支出成本居高不下，另一方面，无法实现集中采购，失去了在与供应商谈判过程中的有利地位；决策管理方面，高层管理人员无法获得企业经营管理的一致性信息，影响最终决策的准确性、创新性、前瞻性。

　　二、主数据管理提升企业数据质量

　　为解决上述现象，实现数据在整个企业范围内保持一致性、完整性和正确性，就需要进行主数据管理（MDM——MasterDataManagement）。即：从企业的多个业务系统中整合最核心的、最需要共享的数据（主数据），集中进行数据的清洗和丰富，并且以服务的方式把统一的、完整的、准确的、具有权威性的主数据分发给全企业范围内需要使用这些数据的操作型应用和分析型应用，包括各个业务系统、业务流程和决策支持系统等。

　　企业主数据用来描述企业核心业务实体，是在整个企业范围内的各个操作型应用系统（OLTP）和分析型应用系统（OLAP）间需要共享的数据，也是企业内部能够跨业务、跨系统重复使用的高价值的数据。例如：物资、供应商、客户、财务、账户、员工、合作伙伴、组织单位等都是主数据。

　　主数据管理使得企业能够集中化管理数据，在分散的系统间保证主数据的一致性，改进数据合规性、快速部署新应用、充分了解客户、加速推出新产品的速度。主数据管理作为应用流程的补充，通过从各个操作型应用以及分析型应用中分离出主要的信息，使其成为一个集中的、独立于企业中各种应用的核心资源，从而使得企业的核心信息得以重用并确保各个操作型应用以及分析型应用间的核心数据的一致性。通过主数据管理，强化了对企业各业务系统的共性数据实体的数据和模型管理，改变了原来系统数据、流程封闭的现状，降低了应用孤岛、数据孤岛出现的几率，增强了各系统在企业层面的互动，从而更好地优化企业业务流程，提升企业运转效率。主数据管理可以降低接口成本、数据清洗和维护成本等。

　　三、主数据管理需要数据库查询优化支持

　　数据库设计是从系统的需求出发，结合软硬件相关要求，设计合理能否符合系统需要功能的数据的集合，如何设计高效合理的查询语句在主数据管理中就显得非常重要。

　　下面重点说明改善用户查询计划的常用解决方案。

　　1.合理使用索引

　　索引是数据库中重要的数据结构，它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用IBM最先提出的ISAM索引结构。索引的使用要恰到好处，其使用原则如下：

　　●在经常进行连接，但是没有指定为外键的列上建立索引，而不经常连接的字段则由优化器自动生成索引。

　　●在频繁进行排序或分组的列上建立索引。

　　●在条件表达式中经常用到的不同值较多的列上建立检索，在不同值少的列上不要建立索引。比如在雇员表的“性别”列上只有“男”与“女”两个不同值，因此就无必要建立索引。如果建立索引不但不会提高查询效率，反而会严重降低更新速度。如果待排序的列有多个，可以在这些列上建立复合索引（compoundindex）。2.避免或简化排序

　　应当简化或避免对大型表进行重复的排序。当能够利用索引自动以适当的次序产生输出时，优化器就避免了排序的步骤。

　　3.消除对大型表行数据的顺序存取

　　在嵌套查询中，对表的顺序存取对查询效率可能产生致命的影响。比如采用顺序存取策略，一个嵌套3层的查询，如果每层都查询1000行，那么这个查询就要查询10亿行数据。避免这种情况的主要方法就是对连接的列进行索引。还可以使用并集来避免顺序存取。

　　4.避免相关子查询

　　一个列的标签同时在主查询和where子句中的查询中出现，那么很可能当主查询中的列值改变之后，子查询必须重新查询一次。查询嵌套层次越多，效率越低，因此应当尽量避免子查询。如果子查询不可避免，那么要在子查询中过滤掉尽可能多的行。

　　5.避免困难的正规表达式

　　LIKE关键字支持通配符匹配，技术上叫正规表达式。但这种匹配特别耗费时间。例如：SELECT*FROMcustomerWHEREzipcodeLIKE“98___”

　　即使在zipcode字段上建立了索引，在这种情况下也还是采用顺序扫描的方式。如果把语句改为SELECT*FROMcustomerWHEREzipcode>“98000”，在执行查询时就会利用索引来查询，显然会大大提高速度。

　　6.使用临时表加速查询

　　把表的一个子集进行排序并创建临时表，有时能加速查询。它有助于避免多重排序操作，而且在其他方面还能简化优化器的工作。

　　7.尽量不要使用or

　　使用or会引起全表扫描，将大大降低查询效率。

　　8.字段提取要按照“需多少、提多少”的原则

　　避免“select*”，尽量使用“select字段1，字段2，字段3........”。实践证明：每少提取一个字段，数据的提取速度就会有相应的提升。提升的速度还要看您舍弃的字段的大小来判断

　　四、主数据管理结合数据库查询优化的建议方案

　　主数据管理的工具不止有MDM，还有BW、SCM、CRM等等，而众多工具的准确高效使用，依赖于准确、快速提取的主数据管理支持。一般企业都会面临信息化改革，也就会带来垃圾数据对信息化系统的冲击。如果置之不理，终究系统会变成“每天超负荷运转的电子垃圾场”，数据清理和查询优化就显得尤为重要。一般可以由以下几个方面入手：

　　1.针对数据基本信息进行进行中整合清理，借助MDM等SAP周边系统将主数据号段进行规范限制，针对旧的字段、编码进行比对对照，发现重复项进行映射管理，待业务处理完毕，将业务转移至新的编码物料中；

　　2.针对产品结构数据，不要重复引用使用，要建立新的产品体系，即使是复制整体结构。因为重复引用旧的产品结构会导致多产品使用一个结构，而只有细微的差别，但任何人都不敢去触碰最原始的结构，那么主数据的错误也会一直保留并传播到各个产品结构中去，这比平时的单个物料数据错误积累跟可怕。

　　3.在主数据管理优化的基础上，加大制度标准辅助力度，因为没有数据标准支持，制度管控，很难达到数据提报的准确性，即使是有类似MDM数据检查体系存在，要在固化的申请管理流程中清理数据，保证了主数据的准确和高效才能很好地去支持未来技术或管理方案的实施。

　　4.管控的核心还是人员素质的管理，大部分的数据问题都是由于岗位调整或者业务素质不达标引起的疏漏，例如，新申请物料并不去查询系统中是否有可用的已申请物料存在，或者申请错误物料后，不去进行修改，而是直接重新申请同种新的物料等等，要给员工培养危机意识，数据管理就好比是银行管理资金，如果存入不断贬值或即将消亡的价值体，那么最终可以回馈的必然是零或更少，而好的数据就像是贵重金属等价值体，得到的是更多的反馈。

　　企业信息化的发展不是一朝一夕的事情，需要全员的配合，以及素质、制度、标准等支持，设计和构建高质量和用途广泛的软件工具来支持主数据管理是很有必要的。同时也需要领导层面的支持与关注，否则当数据危机发生，可能会导致企业发展的倒退。

　　参考文献

　　[1]尚春明，李浩.建设企业信息化发展对策[J].建筑经济，2002（01）.

　　[2]梁文斌.数据清洗技术的研究及其应用[D].苏州：苏州大学计算机应用技术，2005.

　　[3]周芝芬.基于数据仓库的数据清洗方法研究[D].上海：东华大学计算机应用，2004.